基于ARIMA乘积季节模型的苏州市介水传染病发病预测研究

目的探讨运用自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型对苏州市介水传染病发病率进行预测。方法利用R软件对苏州市2008年1月—2015年12月的介水传染病发病率数据进行拟合,构建ARIMA乘积季节模型,对苏州市2016年1—6月介水传染病的发病率进行预测。结果构建了ARIMA(2,1,2)×(0,1,1)_(12)乘积季节模型,模型Ljung—Box检验差异无统计学意义(Q=18.478,P=0.779),模型适用于短期预测,2016年1—6月苏州市常见介水传染病实际发病率均在预测结果95%可信区间内,预测结果相对误差的平均值为-0.024。结论ARIMA(2,1,2)×(0,1,1)_(12)季节乘积模型可用于苏州市介水传染病发病率的短期预测。     

ARIMA乘积季节模型预测永嘉县其他感染性腹泻的流行

目的评估求和自回归移动平均(ARIMA)乘积季节模型预测其他感染性腹泻流行的可行性。方法利用2005—2014年永嘉县其他感染性腹泻的发病率数据,采用ARIMA模型结合随机季节模型的方法,建立预测其他感染性腹泻流行的ARIMA乘积季节模型,同时用2015年的数据做模型预测效果验证。结果根据模型拟合效果,模型ARIMA(1,1,1)(0,1,1)12的拟合效果为最优,其Ljung-Box检验值为7.796,BIC值为3.602,MAPE值为36.166%,表明模型拟合程度较好;该模型外推验证2015年发病率的预测效果较好,2015年各月发病率的实际值均落在该模型预测值95%可信区间内,且预测值与实际值间依时间变化的趋势也基本一致。结论ARIMA(1,1,1)(0,1,1)12模型能较好地预测永嘉县其他感染性腹泻的流行趋势,对该病的预警具有一定的价值。     

手足口病月发病率ARIMA乘积季节模型预测探讨

目的探讨ARIMA乘积季节模型在HFMD月发病率预测中的应用价值,为手足口病防控工作提供依据。方法以2009年1月~2015年12月全国HFMD月发病率数据为基础,使用Eviews8.0建立ARIMA乘积季节模型,采用2016年1月~6月实际数据验证,以RMSE、MAE、Theil IC、BP、VP、CP、MRE评估模型预测结果。同法预测2016年7月~12月全国HFMD月发病率。结果 2009年1月~2016年6月HFMD月发病率最优模型是ARIMA(1,0,1)×(0,1,1)_(12),模型口径为:(1-B~(12))(1-0.574B)xt=(1-0.441B)(1+0.919B~(12))ε_t,RMSE=4.15,MAE=2.59,Theil IC为0.143,BP=0.045,VP=0.225,CP=0.730,2016年7月~12月发病率(1/10万)预测值分别为24.70、14.96、15.00、14.12、13.05、11.22。结论 ARIMA(1,0,1)×(0,1,1)_(12)模型可较好地拟合全国HFMD月发病率的演变趋势,可用于HFMD发病率的短期预测。     

单一ARIMA模型和联合模型比较预测辽宁省感染性腹泻疫情

目的联合运用乘积季节自回归积分滑动平均模型(autoregressive integrated moving average model,ARIMA)联合季节变动模型和单一ARIMA模型对感染性腹泻发病数据建模,预测辽宁省2014年1—6月感染性腹泻疫情,为预防控制工作提供依据。方法对辽宁省2009—2013年感染性腹泻月发病数通过SPSS软件进行建模,比较联合模型和单一模型的预测效果。结果对感染性腹泻的季节性时间序列建立ARIMA(0,1,1)(1,1,0)12模型,与季节变动的测定进行联合,联合模型相对误差率为6.05%,单一ARIMA模型相对误差率为17.89%,联合应用上述模型的预测效果优于单一模型。应用联合模型对2014年1—6月感染性腹泻发病数进行短期预测,预测相对误差率分别为-2.15%、0.21%、-7.06%、-4.91%、12.79%和9.14%。结论联合模型效果优于单一ARIMA乘积季节模型,可用于感染性腹泻的短期预测,且效果较好。     

应用ARIMA乘积季节模型分析我国布鲁菌病时间分布特征及趋势预测

目的探讨ARIMA乘积季节模型在分析我国布鲁菌病(布病)月发病率时间分布特征中的应用,预测其发病趋势。方法通过国家公共卫生科学数据中心和国家卫生计生委疾病预防控制局网站,收集并计算布病月发病率数据。分析布病时间分布特征,对2004年1月—2016年12月发病率数据建立ARIMA乘积季节模型,用2016年1—12月发病率数据拟合模型,选出最优模型,并预测2017年月发病率数据。结果我国布病月发病率数据整体处于上升趋势且具有明显的季节特征,每年5、6月属于高发病期,10月至次年2月发病率较低。拟合ARIMA(2,1,1)(1,1,1)12模型为预测我国布病的最佳模型,拟合值与实际值进行比较,2016年12个月的平均相对误差为8.79%,按全年发病率计算,相对误差为4.05%,显示模型的预测精度较高,并预测2017年1—12月发病率。结论 ARIMA乘积季节模型能很好地拟合布病的长期趋势和季节趋势,回代拟合和短期预测效果较理想。     

ARIMA乘积季节模型在日喀则市结核病疫情预测中的应用

目的通过构建的自回归滑动平均混合(ARIMA)乘积季节模型预测日喀则市结核病月发病情况,通过比较模型预测值与实际值来评估该模型的预测效果。方法根据日喀则市2010年1月—2016年12月的结核病月发病例数构建ARIMA乘积季节模型,利用该模型预测2017年1—12月的结核病月发病情况,通过比较预测值与实际值来评价拟合模型的预测效果。结果最优模型为ARIMA(1,1,1)(1,1,0)_(12),其参数均通过统计学检验(均P0.05),残差序列为白噪声序列(P0.05),其赤池信息准则(AIC)=679.48,许瓦兹贝叶斯准则(SBC)=686.27,拟合优度相对最好。2017年1—12月的预测值与实际值基本吻合,实际值均落在95%CI内,预测效果较好。结论 ARIMA(1,1,1)(1,1,0)12可用于短期预测日喀则市结核病疫情,预测效果较好,建议要及时根据数据更新及其他的因素更新模型,以确保模型的预测价值。     

ARIMA乘积季节模型在全国布鲁菌病发病预测中的应用

目的应用求和(差分)自回归移动平均(Autoregressive Integrated Moving Average Model,ARIMA)乘积季节模型分析季节性时间序列,建立全国布鲁菌病发病数的预测模型。方法利用中国疾病预防控制中心2011年1月—2016年12月按月报告的布鲁菌病发病数历史疫情数据,采用最大似然法估计模型参数,模型定阶后,建立布鲁菌病按月发病数ARIMA乘积季节预测模型。结果非季节和季节移动平均参数分别为0.357 35、0.666 64,均P0.05,AIC=911.337 2,SBC=917.569 8,均P0.05,据此建立ARIMA(0,1,1)(0,1,1)12乘积季节模型,模型表达式荦荦12xt=(1-0.357 35B)(1-0.666 6412)εt,并开展全国布鲁菌病发病数的预测。结论 ARIMA(0,1,1)(0,1,1)12乘积季节模型可用于预测布鲁菌病的发病情况。     

ARIMA模型在三门峡市手足口病发病预测中的应用

目的 建立以三门峡市手足口病发病数据为基础的整合滑动平均自回归模型(autoregressive integrated moving average model, ARIMA),并利用该模型对三门峡市手足口病的发病数进行预测。 方法 以三门峡市2008年1月—2017年12月的手足口病月发病数据为基础差分平稳化后经过文献查阅和验证建立最优ARIMA,并对2018年1月—12月的手足口病发病数进行预测,通过与实际值的比较评价预测效果。 结果 三门峡市手足口病发病预测模型为ARIMA(1,1,1)×(0,1,1)₁₂ ,模型各项参数均有统计学意义(P<0.001),拟合优度检验BIC=0.287,残差序列为白噪声序列(P=0.10),拟合效果较好。预测了三门峡市2018年1—12月的手足口发病数,并与实际值进行比较,1—2月预测值与实际值符合度较高。 结论 拟合的三门峡市手足口病发病序列模型ARIMA(1,1,1)×(0,1,1)₁₂效果较好,可用于对三门峡市手足口病发病趋势进行短期预测。     

ARIMA乘积季节模型分析昆山市2006—2016年脑血管病死亡率

目的基于X-12自回归求和移动平均混合模型(ARIMA),对昆山市脑血管病粗死亡率建立时间序列模型,预测未来年份脑血管病粗死亡率。方法对昆山市2006—2016年月度脑血管病粗死亡率,建立X-12-ARIMA季节调整乘积模型,以贝叶斯信息准则(BIC)值最小为最优模型选择标准;采用平均绝对误差和平均相对误差评价模型预测精度。结果乘积季节模型ARIMA(2,0,0)×(0,1,1)12可用于拟合昆山市2006—2016年月度脑血管病粗死亡率(BIC=446.36),平均绝对误差为0.99/10万,平均相对误差为13.15%。建模结果显示昆山市2006—2016年月度脑血管病粗死亡率呈现季节波动(F=11.00,P<0.01),未来年份脑血管病粗死亡率趋势无明显波动。结论 ARIMA(2,0,0)×(0,1,1)12能短期预测昆山市脑血管病粗死亡率;长期的脑血管病粗死亡率预测模型尚需未来年份实际数据修正。     

南昌市其他感染性腹泻ARIMA模型的建立及应用

目的 建立南昌市其他感染性腹泻的ARIMA模型,探讨ARIMA模型对南昌市其他感染性腹泻发病数预测的可行性.方法 利用Eviews软件对南昌市2007年1月～2011年6月其他感染性腹泻的发病数资料建立ARIMA模型,并对预测结果进行评价.结果 建立ARIMA(4,2,2)×(0,1,1)12模型,预测结果MAPE为15.56.结论 建立的ARIMA模型较好的反应了其他感染性腹泻的流行趋势,对其他感染性腹泻的防制有一定的借鉴意义.     

ARIMA预测模型在甘肃省其他感染性腹泻发病预测中的应用

目的 建立并评价甘肃省其他感染性腹泻发病的ARIMA预测模型。 方法 利用2010—2018年甘肃省其他感染性腹泻的发病数据建立ARIMA预测模型,同时利用2019年发病数据评价模型并对2020年甘肃省其他感染性腹泻发病进行预测。 结果 根据模型拟合效果,模型ARIMA(0,1,1)(1,1,0)₁₂为最优模型。R²=0.741,Ljung-Box检验值为25.944,BIC值为11.060。模型拟合甘肃省其他感染性腹泻的发病趋势与实际发病趋势一致,MAPE=17.297%,预测结果显示2020年甘肃省其他感染性腹泻发病时间分布与往年趋于一致。 结论 ARIMA(0,1,1)(1,1,0)₁₂模型能较好地拟合甘肃省其他感染性腹泻的发病趋势,对该病的预防控制、风险评估等具有一定的公共卫生意义。     

基于ARIMA模型的上海市其他感染性腹泻发病率预测

目的根据上海市2011年3月-2017年12月的"其他感染性腹泻"发病率数据,并在识别、建立时间序列模型基础上进行发病率预测,为上海市其他感染性腹泻疾病的防治提供科学依据。方法利用SPSS 22.0统计软件进行数据预处理,建立ARIMA预测模型,分析变化趋势。结果拟合最佳模型为ARIMA(1,0,0)(0,1,1)_(12),BIC=-2.025,R~2=0.956,模型拟合及预测效果总体较好。结论利用ARIMA模型进行上海市其他感染性腹泻发病率预测,结果符合当前的发病规律,能够对疾病的早期预防提供借鉴。     

ARIMA季节乘积模型在重庆市手足口病发病预测中的应用价值

目的构建符合手足口病报告发病率特征的预测模型,探讨ARIMA季节乘积模型在重庆市手足口病发病率预测中的应用价值。方法对2008年-2016年重庆市手足口病发病率逐月数据进行训练,构建季节ARIMA模型,利用2016年数据对模型进行拟合,并与指数平滑法拟合效果进行比较。结果 ARIMA(1,0,0)x(0,1,1)12模型是该地区手足口病发病率的最佳拟合预测模型,模型平稳R方为0.501,模型Ljung-Box Q检验有统计学意义。结论 ARIMA(1,0,0)x(0,1,1)12模型可用于重庆市手足口病发病率短期预测。     

ARIMA乘积季节模型在江西省手足口病发病预测中的应用

目的 建立江西省手足口病发病的ARIMA乘积季节模型并进行预测,探讨该模型在江西省手足口病早期预测预警中的可行性。方法 以江西省2008-2015年手足口病逐月发病数为基础,建立ARIMA乘积季节模型,利用2016年各月发病数对模型进行验证,得到最优模型后对2017年手足口病发病数进行预测。结果 本研究构建的江西省手足口病发病预测模型为ARIMA(2,1,1)(0,1,1)12,各项参数都有统计学意义(P<0.05),模型拟合优度检验获得BIC值最小为14.738,残序列为白噪声(Ljung-Box Q=14.738,P=0.362),实际值与拟合值的动态趋势基本吻合;2016年1-8月预测值与实际值相差较小,吻合度高;2017年手足口发病数预测值为49 353。结论 ARIMA(2,1,1)(0,1,1)12较好地模拟了江西省手足口病发病趋势,可用于江西省手足口病发病的短期预测。     

应用自回归移动平均模型乘积季节模型预测兰州市水相关疾病发病情况

目的探讨自回归移动平均模型(autoregressive integrated moving average model,ARIMA)乘积季节模型在水相关疾病发病率发病趋势预测中的应用,对兰州市水相关疾病发病情况进行预测。方法收集2006年1月—2014年12月水相关疾病发病率数据,利用R软件构建ARIMA乘积季节模型,利用2015—2017年实际发病率与模型拟合数据比较,评价模型的预测性能,并预测2015—2017年水相关疾病的发病率。结果在水相关疾病预测中建立ARIMA(2,0,1)×(2,0,0)_(12)乘积季节模型,Ljung-Box检验差异无统计学意义(Q=18.64,P=0.824),2015年—2017年兰州市常见水相关疾病实际发病率均在预测结果95%可信区间内,平均预测相对误差为5%。结论 ARIMA乘积季节模型可以较好的预测兰州市水相关疾病发病率的变化趋势,能够运用于水相关疾病发病趋势的预测及预警,为防控措施的制定提供参考。     

ARIMA模型在2004—2014年淮安市其他感染性腹泻流行病学特征及发病趋势预测中的应用

目的分析淮安市其他感染性腹泻的流行病学特征,并探讨ARIMA模型拟合淮安市其他感染性腹泻发病趋势预测的可行性。方法采用Excel 2003和Arc Gis 10对淮安市2004—2014年其他感染性腹泻的发病特征进行分析,应用EViews 5.0对月发病数进行拟合与预测。结果淮安市其他感染性腹泻的流行周期为3~5 a,10至11月份为每年的发病高峰;主城区的发病率高于其他地区;0~3岁的男童是高发人群;ARIMA(2,1,3)(1,1,1)12模型较好地拟合了淮安市其他感染性腹泻的月发病数列,预测效果良好。结论淮安市其他感染性腹泻发病具有周期性和季节性等特点,可以应用ARIMA模型进行短期预测,对开展预防控制措施具有指导意义。     

自回归求和移动平均模型季节乘积模型在青岛市肾综合征出血热发病预测中的应用

目的探索ARIMA季节乘积模型在青岛市肾综合征出血热(HFRS)发病预测中的应用,为HFRS防治提供科学依据。方法利用1977~2015年青岛市HFRS月发病率,建立ARIMA季节乘积模型,以2016年月发病率评估预测效果,并预测2017年月发病率。结果青岛市HFRS发病具有明显的季节性,发病高峰为每年的10~12月。模型季节自回归参数为-0.45,BIC=3.58,平稳R2=0.98,残差序列检验为白噪声序列(q=13.56,P0.05),建立ARIMA乘积季节模型ARIMA(0,3,2)(1,3,2)12,2016年实际值与拟合值绝对误差为0.01~0.28,且均在95%置信区间中,2017年月发病率0.15/10万~1.06/10万。结论 ARIMA乘积季节模型能够较好地模拟青岛市HFRS发病趋势,可用于短期预测该市HFRS发病情况。     

自回归积分滑动平均模型在杭州市上城区主要肠道传染病发病趋势的应用研究

目的了解杭州市上城区主要肠道传染病的流行特征,探讨应用为自回归积分滑动平均模型(ARIMA模型)预测其发病趋势的可行性和适用性。方法应用SPSS 20.0对2007-2016年杭州市上城区主要肠道传染病月发病数据建立ARIMA模型,以2017年1～12月的数据进行模型的验证,并外推2018年的发病趋势。结果 2007-2016年细菌性痢疾和其他感染性腹泻的发病趋势总体呈下降趋势。细菌性痢疾的预测模型为ARIMA (1,1,1)(1,1,0)12,其他感染性腹泻的预测模型为ARIMA (2,0,2)(1,1,1)12,拟合效果均较好。2018年杭州市上城区细菌性痢疾的发病有下降的趋势,其他感染性腹泻的发病有上升的趋势,但幅度不大。结论 ARIMA模型对杭州市上城区主要肠道传染病的发病趋势有较好的预测效果,可提供科学的防控依据。     

上城区其他感染性腹泻ARIMA乘积季节模型的建立与预测

目的 建立上城区其他感染性腹泻病求和自回归移动平均(auto-regressive integrated moving average, ARIMA)乘积季节模型，为早期防控提供参考。方法 利用SPSS 25.0软件对上城区2010—2020年其他感染性腹泻病发病数据构建ARIMA乘积季节模型，通过对2021年月发病数进行回代预测评价模型拟合效果，并用构建的模型对2022年月发病数进行预测。结果 上城区2010—2020年共报告其他感染性腹泻病40 534例，年均报告发病数为3 685例，无死亡病例报告。构建的较优模型为ARIMA(2,1,1)(1,1,1)₁₂,平稳R²=0.870,贝叶斯信息准则(Bayesian information criterion, BIC)=9.524,平均绝对百分误差(mean absolute percentage error, MAPE)=27.351,模型Box-Ljung检验差异无统计学意义(Q=10.420,P=0.659)。模型实测发病趋势与预测发病趋势基本一致，预测值和实测值平均相对误差为23....     

应用ARIMA模型预测结核病发病率研究

目的应用自回归求和移动平均(ARIMA)模型预测结核病发病率。方法收集浙江省余姚市2006—2016年结核病月发病资料,采用专家建模器和传统建模方法建立ARIMA模型,根据最小贝叶斯信息准则(BIC)值选出最优模型,对2006—2016年结核病月发病率进行回代拟合,并对2017年结核病月发病率进行预测。结果传统建模方法所得模型为ARIMA(0,1,1)(0,1,1)12,专家建模器所得模型为ARIMA(0,0,1)(0,1,1)12;两个模型的残差序列均未突破可信区间,为白噪声过程,均为恰当模型,但ARIMA(0,0,1)(0,1,1)12标准化的BIC值更小,确定为最优模型。对余姚市2006—2016年结核病月发病率进行回代拟合,实际发病率均落入拟合值的95%CI内,模型预测值能较好拟合原始数据;预测余姚市2017年1—12月结核病月发病率,预测值与实际值的平均相对误差为9.05%。结论应用专家建模器构建的ARIMA模型可较好地预测结核病发病率。